AIoT时代，如何用指纹芯片技术保护芯片和数据安全？

 我们每个人都有一个指纹，每个人都指纹都不一样。目前的指纹识别方法是采用特征点，把指纹特殊的点采集出来，然后匹配识别。假设采用12个特征点的话，那重复的几率就是1/1020，如果取更多特征点，那重复的几率就更低。那我们如何给一颗芯片加上指纹呢？lU7esmc

7月11日，在ASPENCORE旗下《电子工程专辑》、《EDN》和《国际电子商情》共同举办的“IoT技术与应用论坛”上，力旺电子（eMemory）的柳星舟先生做了详细的介绍。lU7esmc

在他主题为“NeoPUF指纹芯片技术于AIoT之安全应用”的演讲中，他指出，NeoPUF技术就是一种赋予芯片一个指纹的技术。而且这个指纹不是烧写进去的，是与生俱来，出厂后就拥有，而且每一颗芯片都不一样。 lU7esmc

图1：力旺电子（eMemory）的柳星舟在IoT技术与应用论坛上演讲。lU7esmc

什么是NeoPUF？

柳星舟解释说，PUF的英文全称是Physical Unclonable Functions，即物理不可复制功能。而NeoPUF，就是创新式物理不可复制功能。lU7esmc

系统密钥有用很多种不同的实现方法。lU7esmc

可以人为将不同的代码烧写进芯片，但认为烧写的代码一般是由算法产生的，如果算法被人破解了，那所有的芯片就都被破解了。lU7esmc

力旺电子的NeoPUF采用的是模拟丢铜板的技术来实现的。柳星舟介绍说，“假设给你两颗一模一样的电阻，在两边同时加一个一样的电压，那到底是左边先烧掉，还是右边先烧掉。不知道，我也不知道。我们模拟的就是这样的情况，我们在两个相邻的晶体管的栅极和基极两端慢慢加电压，总有一颗会被先烧掉，先烧左边就是0，先烧右边就是1。”lU7esmc

用这种方法实现的PUF就算是同一片晶圆上产生的Die，所产生的代码也都是不一样的。lU7esmc

因此，加入了NeoPUF IP的每一颗芯片都有一个与众不同的代码，也就是拥有了一个指纹。lU7esmc

lU7esmc

图2：力旺电子的NeoPUF实现原理。lU7esmc

如何应用芯片指纹？

现在芯片已经获得了一个指纹，那如何去应用这些芯片的指纹呢？柳星舟先生也给出了一些应用的案例。lU7esmc

他表示，“NeoPUF提供高达64Kbit，芯片与生俱来的完美随机数源。既然每颗芯片都拥有了指纹，其中最明显的应用就是用这个代码作为芯片的ID，这样就不会出现重名的情况了。或者用这个代码产生信任根，然后产生通信密钥，以加密通信数据。”lU7esmc

“当然，还可以防止芯片不被破解。因为有些做逆向工程的厂商会破解你的芯片，生产后还打你的logo，出问题了，可能还得你去服务。”他同时指出。lU7esmc

lU7esmc

图3：NeoPUF在IoT中的应用。lU7esmc

柳星舟举了一个NeoPUF在IoT中的应用。“目前使用PUF的情况就是把它当作信任根，它产生一个最根本的码，通过一个密钥管理算法，产生不同的公钥，私钥等，再给AES等加密算法去加密。”lU7esmc

lU7esmc

图4：NeoPUF配合OTP一起使用。lU7esmc

另外，因为力旺电子是主要做OTP等存储的，所以他还列举了一个NeoPUF搭配Memory一起用案例。比如说，“我们可以用PUF产生一组乱码，而且与生俱来，是一个完美乱数，所以我们就可以用PUF加密我的OTP，而且可以做到天生加密，就是可以将OTP内的扰码基于PUF乱码重新排列，也就是说，在不同的芯片中，同样的OTP资料存储后的信息都是不一样的。”lU7esmc

lU7esmc

图5：NeoPUF在外挂Flash上的应用。lU7esmc

“甚至是外挂的Flash，只要主控端有放NeoPUF，出去的数据已经用NeoPUF重新排序，存储在外挂的Flash内，那么Flash内存储的数据就是乱的，而且每一颗都不一样，别人如果把Flash内的内容复制出来，再用不同的主控是读取不出来数据的。因为这需要原来的主控来做还原解码。这样就可以防止你的代码被偷走。从而实现保护代码的功能。”柳星舟举例说。lU7esmc

他同时还谈到了NeoPUF在人工智能方面的应用。当然主要还是芯片的保护用法。“我们知道人工智能的流程大概是这样，先要收集很多数据，然后做训练，再提取出模型，最后开始做推理，或者预测。”lU7esmc

而推理有两种做法，一个是云端，所有数据传输至云端，然后云端给出推理结果。另外一个是边缘计算，也就是在设备端做预测，现在大部分厂商都认为最后会往边缘端发展。lU7esmc

但柳星舟认为，由于云端的运算能力太强大了，云端仍将会长期存在下去；而边缘端，也有一些发展的趋势，主要是有隐私的需求，或者是传输可靠性和延迟要求。lU7esmc

他表示，“我今天主要关注边缘端。边缘端做预测，目前有两种情况，一种是用别人的运算单元加上NVM存储，做成一个模组。只需要把云端训练好的模型简化之后放上去，就可以在边缘端做推理预测了。如果你花了那么多时间做训练，结果你的东西被偷了。那前面的心血就白费了。因此在模组端，我们可以帮助保护最关键的资料。”lU7esmc

lU7esmc

图6：NeoPUF在人工智能模组中的应用。lU7esmc

第二个边缘端的应用是将模型转成一个ASIC，这样功耗是最好的。当然这个模型需要精简很多。但是这很容易被人逆向工程。lU7esmc

针对第一种情况，如果主控加入了NeoPUF，那么写入Flash中的数据就是乱的。因此，即使一个模组中的数据被破解或者被复制了，放到其他的模组中其实是没有用的。lU7esmc

针对第二种情况。如果ASIC中带有一个NeoPUF，ASIC的功能会其被混乱掉，“除非我给你一个启动码授权之后將功能还远码写入OTP中，ASIC才可以正常工作。”柳星舟表示。lU7esmc

lU7esmc

图7：NeoPUF在ASIC中的应用。lU7esmc